AIMM：OpenClaw 多智能体交易技能
为 OpenClaw 环境打包的对冲基金式多智能体加密交易系统，带硬性风控否决与量化回测。
亮点：Flow API 强制 x-api-key 鉴权、空密钥自动生成、默认仅 paper/testnet 模式、安全策略文件存在。扣分项：SKILL.md 与示例文档硬编码并公开一个 Nexus 演示 API key，且 claw_runner.py 会在无 .env.example 时静默把该共享密钥写入用户 .env（共享密钥泄露与不良密钥卫生）；示例中还含 Binance/OpenAI 密钥占位流程，无交易前用户确认门、无回滚机制说明；trading 外部效应仅靠 Risk Guard 描述，未见独立验证。
runner、verify 脚本与 manifest 入口基本自洽，错误处理有可读提示（导入错误、TA-Lib 缺失指导），仓库含 CI + pytest。扣分项：静态审查未执行；SKILL.md 标注版本 1.0.0 与 manifest. 0.2.0、pyproject 0.1.0 不一致；runner 默认无参数时自动启动 paper trading，异常输入下行为（如 --verify 通过但核心依赖仍缺）反馈不完整。
场景清晰（回测/纸面交易），有英文、韩文及部分中文示例，FAQ 覆盖常见安装问题。扣分项：未声明不适配边界（如实盘、非加密资产）；核心功能依赖 Binance、Nexus、OpenAI/AtlasCloud 等海外服务，未提供中国大陆可达性方案；manifest 声明 14 个 agent 而 SKILL.md 称 7 个 desk，触发语义有歧义。
文档分层良好（SKILL.md、examples、docs/、README），许可证 AGPL-3.0 明确，manifest 结构规范，含贡献指南与 SECURITY.md。扣分项：版本号三处不一致（1.0.0 / 0.2.0 / 0.1.0），无 changelog；SKILL.md 标注日期 2026-04-17 为未来日期，可信度存疑；发布者未验证，维护责任与更新路径不明确。
提供了可直接运行的 CLI 入口、回测流水线与结构化 trace，理论边际价值高于手工搭建。扣分项：宣传性业绩数字（+14.95%、Sharpe 1.79 等）无法在静态审查中复现，README 自己承认单个回测不构成 edge 证据；agentic 路径强制要求 LLM 密钥，输出仍需人工审查，成本/收益比例证据不足。
存在已提交的 pytest 测试套件、确定性 fixtures、CI workflow 及数据 MANIFEST. 哈希，可审计性较好。扣分项：静态上限内只给部分分——关键业绩声明无第三方执行证据，测试覆盖未确认覆盖 skill 关键路径，事实与营销混排（韩国社区标签、机构级宣传语）。
- SKILL.md 及示例公开硬编码的 Nexus 演示 API key，且 runner 可静默写入用户 .env；请勿视为私密凭证，生产环境务必自行设置密钥。
- 本评审为纯静态审查，未执行任何代码；所有业绩数字（收益率、Sharpe 等）均未经独立复现，不构成投资建议。
- 三处版本号不一致（1.0.0/0.2.0/0.1.0）且含未来日期，版本治理薄弱。
- 核心依赖 Binance、Nexus、OpenAI 等海外服务，中国大陆网络可达性未验证。
- agentic 模式强制需要 LLM API key，实际使用成本与模型依赖需自行评估。
这个 Skill 能做什么，适合哪些场景？
AI Market Maker（AIMM）是一个开源的加密交易技能包，通过 LangGraph 编排七个'交易台'智能体（市场扫描、技术分析、统计Alpha、情绪、风险管理、组合管理、风控守卫）。其核心卖点是 Risk Guard 硬否决机制——任何交易必须通过风控才能执行。该技能针对 OpenClaw 环境预配置，提供专用运行器、安装校验脚本、纸面交易和回测命令。示例回测（BTC/ETH/SOL 100天数据）显示 14.95% 总收益、1.79 夏普比率、62.5% 胜率，但作者自己也提醒单一盈利回测不构成边际优势的证明。
运行 openclaw/scripts/claw_runner.py 入口脚本，支持 --backtest、--paper（如 --ticker BTC/USDT）、--verify 三种模式；调用多智能体 LangGraph 工作流生成信号并执行组合管理；每次执行前强制经过 Risk Guard 风控否决层；在 Binance Testnet 上进行纸面交易；输出含夏普比率、超额收益（对比买入持有）、最大回撤的交易台账和风险事件日志；提供只读 Flow HTTP API（/runs/latest、/runs/{id}/payload、/pm/portfolio-health 等）供外部工具查询，API 需要 x-api-key 鉴权。
- 量化交易者想快速回测多资产加密策略，无需自行搭建智能体框架
- 开发者希望在 Binance Testnet 上纸面验证智能体交易工作流后再考虑实盘
- OpenClaw 用户想用一条 claw install 命令部署带风控的交易技能
- 研究人员需要带完整追踪日志和事件台账的可审计交易运行记录
- 团队想通过 Flow API 把交易运行数据接入自己的监控面板
这个 Skill 有哪些优点和局限？
- Risk Guard 硬否决是真实的风控治理层，而非仅记录日志
- 每次回测自动对比买入持有基准并给出超额收益，量化纪律明确
- OpenClaw 环境预配置完善：专用运行器、安装校验脚本、多语言文档
- 完整追踪日志和事件台账，运行过程可审计
- 纸面交易模式可在不动真金白银的情况下测试策略
- 示例回测结果（14.95% 收益）仅为单一样本，作者自己也声明不能证明边际优势
- 默认 Nexus API key 为限速演示 key，生产使用需自行申请
- TA-Lib 是 C 库依赖，安装门槛较高（无 sudo 环境需 conda 或源码编译）
- 实际执行仅限 Binance Testnet 纸面交易；Hyperliquid 适配器仅为 dry-run，尚无实盘验证
- 完整平台栈（数据库、API、Web 面板）需要 Docker，SKILL.md 层面未覆盖这部分配置
如何安装这个 Skill？
方式一（OpenClaw）：claw install https://github.com/olaxbt/ai-market-maker。方式二（本地）：git clone https://github.com/olaxbt/ai-market-maker.git && cd ai-market-maker && claw skill install ./openclaw。然后运行 ./openclaw/scripts/verify_installation.sh 校验依赖。注意：整个 monorepo 的完整安装还需要 Python 3.11+、uv、TA-Lib（无 sudo 环境建议 conda install -y ta-lib -c conda-forge），生产用 Nexus API key 需自行配置到 .env（默认附带限速的演示 key）。
如何使用这个 Skill？
回测：python3 openclaw/scripts/claw_runner.py --backtest（可用 --symbols "BTC/USDT,ETH/USDT" --steps 150 自定义）。纸面交易：python3 openclaw/scripts/claw_runner.py --paper --ticker BTC/USDT。环境校验：python3 openclaw/scripts/claw_runner.py --verify。也可通过 claw run ai-market-maker --backtest 等命令运行。更详细的配置（.env、策略预设、Docker 栈）见仓库根 README 和 docs/ 目录，SKILL.md 本身未涵盖全部平台级设置步骤。